【摘 要】
：
针对非结构去中心化的P2P网络可能作为DDoS引擎而产生大规模的网络攻击,提出了一种基于人工免疫(AIS)的方法来对非结构去中心化的P2P网络中的恶意节点进行免疫处理。通过在非结构去中心化的P2P网络中的节点上构建人工免疫系统,利用抗体和抗原之间天然的亲和关系,以及抗体不断进化的特点,实时计算由返回查询消息的节点提供的资源信息而进行请求得到的请求结果状态序列与检测器中的对应节点的请求状态序列特征之
【机 构】
：
江苏大学信息化中心,江苏大学计算机与通信工程学院
【基金项目】
：
国家自然科学基金资助项目（61005017）
论文部分内容阅读
针对非结构去中心化的P2P网络可能作为DDoS引擎而产生大规模的网络攻击,提出了一种基于人工免疫(AIS)的方法来对非结构去中心化的P2P网络中的恶意节点进行免疫处理。通过在非结构去中心化的P2P网络中的节点上构建人工免疫系统,利用抗体和抗原之间天然的亲和关系,以及抗体不断进化的特点,实时计算由返回查询消息的节点提供的资源信息而进行请求得到的请求结果状态序列与检测器中的对应节点的请求状态序列特征之间的亲和力,并检测出恶意节点。在NS2仿真平台上通过修改GnuSim插件,对非结构去中心化的P2P网络中
其他文献
针对交通拥堵成为制约城市经济和社会发展的这一"瓶颈",从提高交通控制系统性能的角度来解决城市交通拥堵问题。首先采用小波分析,交通流量数据的高频与低频分量分离;其次,求得原始信号与重构信号的差值;最后,结合最小二乘法找出数据中的异常点。通过对实际道路的交通流量进行实验,验证了该方法能准确地检测出交通流量中的异常数据,使误判率和漏判率都得到极大的降低,为实际的交通信号控制系统提供可靠的数据。
针对现有RBAC委托模型在支持细致委托粒度和权限传播可控性上存在的不足,提出一种基于映射机制及带信任度的灵活角色委托授权模型FDMTPM。该模型基于坐标化与量化算子的复合运算,考虑角色成员关系的动态委托提出模式度量角色的概念,并以其为委托粒度充分考虑广度和深度上的部分委托限制需求;同时引入信任度实现了对角色中具有不同敏感度的权限传播的控制和灵活的委托需求。最后对委托约束机制和撤销机制进行讨论,确保
为了研究卫星信号失效对SINS/GPS松组合导航系统和紧组合导航系统导航性能的影响,在分析惯导系统误差方程的基础上,给出了基于卡尔曼滤波的松组合和紧组合数学模型,构建了两种组合方式的仿真平台。仿真结果显示,SINS/GPS紧组合导航系统的精度要明显优于松组合导航系统,且在卫星信号失效导致可见星数目少于4颗甚至仅有1颗时,SINS/GPS紧组合依然能够保持组合模式,并可提供高于单一惯性导航系统的导航
废旧品回收的数量、时间、质量以及拆解的顺序、深度等诸多不确定性使得传统的调度优化理论难以直接应用于再制造系统。为此,提出了面向再制造系统的自适应调度优化机制,采用调度方法匹配识别、专家推理、新调度问题建模求解和调度方案评价相结合的策略生成最终的调度方法;然后,对再制造系统自适应调度优化机制的系统实现和关键技术进行了探讨。研究表明该机制能够适应再制造系统动态多变的特性,可以有效解决再制造系统的调度优
为提高数字图像水印的鲁棒性和透明性,提出了一种基于Krawtchouk不变矩、奇异值分解(SVD)和提升小波变换(LWT)的彩色图像双水印算法。该算法首先从载体RGB图像中提取绿色分量进行两级提升小波变换,利用Krawtchouk不变矩对平移、旋转和缩放的不变性以及Krawtchouk矩良好的局部特性和重构性,计算其低频分量的Krawtchouk低阶矩不变量构造水印系统;然后对其变换后的中频分量奇
提出一种高效的图像区分方法,专注于区分实拍图像与生成图像。该方法在图像预处理过程中,利用了图像尺度及颜色数等几个高效的判断项,将那些容易区分的生成图像召回,减少了后期垃圾图像与文字图像判断项的判断量,减少了图像筛选运行时间。
针对复杂光照条件下Sift算法对彩色图像匹配能力较差,基于Kubelka-Munk理论,提出了一种适用于未标定图像的准稠密立体匹配算法,有助于更精确地进行三维重建。该算法首先求出彩色图像各个像素的颜色不变量,提取彩色特征点并通过构造彩色Sift特征描述子进行初匹配,采用RANSAC鲁棒算法消除误匹配生成种子点;然后依据视差约束提出一种基于视差梯度均值自适应窗口方法,根据视差梯度均值调整搜索范围;最
Internet环境下网构软件的开发是一个构件组装过程,传统的软件可靠性技术在其应用过程中面临着新的挑战。建立了网构软件的抽象模型和物理模型,介绍了可靠性的形式化定义及五种构件组装结构的可靠性度量方法,提出了一种满足可靠度期望的网构软件优化方法。该方法将复杂的网构软件结构进行串行化,以抽象构件、链路的可靠度期望阈值过滤无效分支,以网构软件的可靠性期望筛选较优路径,应用一种改进的蚁群优化算法求解,从
针对区域增长算法种子点选取及生长条件对分割效果影响大,但难以有效、准确确定的缺点,提出了一种融合色调、色调频度及其曲率的自适应区域增长算法（HARG）。通过曲率求取分割对
提出了一种基于动态粒子群优化的网格任务调度算法。设计了网格任务调度问题的数学模型,给出了自适应变异的动态粒子群优化算法的框架,引入了自适应学习因子和自适应变异策略,从而使算法具有动态自适应性,能够较容易地跳出局部最优。实验结果表明,本算法能有效地解决异构网格任务调度问题,具有较好的应用价值。